bab i pendahuluan

BAB I
PENDAHULUAN
1.1 Latar Belakang
Pembangkit Listrik di Indonesia pada umumnya merupakan pembangkit
listrik thermal. Kebutuhan pembangkit thermal terhadap bahan bakar fosil dengan
jumlah ketersediaan yang semakin menipis dan semakin mahal, membuat biaya
produksi listrik semakin meningkat. Dalam komponen biaya pokok penyediaan
listrik di jaringan Jawa Bali, kontribusi biaya bahan bakar sekitar 60% terhadap
total biaya. Sementara itu, biaya bahan bakar pembangkit didominasi oleh biaya
penyediaan gas, batu bara dan minyak untuk jenis pembangkit thermal. Salah satu
solusi untuk mengatasi hal tersebut adalah dengan melakukan optimisasi biaya
pada proses produksi energi listrik. Peningkatan beban dan kompleksitas dalam
mengoperasikan listrik juga berpengaruh pada pengelolaan sektor transmisi
sehingga membuat para operator listrik di sektor pembangkit maupun distribusi
berusaha untuk memaksimalkan penggunaan peralatan mereka agar mampu
beroperasi dalam keadaan paling optimal.
Pada sistem interkoneksi jarak antara satu pembangkit dengan pembangkit
yang lain sangat bervariasi letaknya terhadap pusat-pusat beban dan ini akan
mengakibatkan rugi-rugi pada jaringan berbeda dan karakteristik pembangkit
yang juga berbeda satu sama lain yang mengakibatkan perlunya koordinasi daya
keluarannya agar didapat biaya total pembangkitan yang paling minimum tanpa
melanggar keseimbangan daya dan kapasitas pembangkitan.
1
Salah satu solusi untuk mengurangi kenaikan harga listrik adalah dengan
melakukan optimisasi biaya pada proses produksi energi listrik. Dalam sistem
tenaga interkoneksi, salah satu optimisasi biaya dilakukan dengan mengatur daya
aktif dan daya reaktif masing-masing pembangkit untuk meminimalkan biaya
operasi. Metode ini disebut optimal power flow (OPF) [1]. OPF menggunakan
semua variable kontrol untuk membantu meminimalkan biaya operasi sistem
tenaga listrik [2]. Dengan demikian OPF sangat membantu dalam pengaturan dan
masalah operasi secara ekonomis. OPF adalah aliran daya yang memperhitungkan
pembangkitan setiap unit pembangkit yang berdasarkan karakteristik input-output
masing-masing unit pembangkit, batas kemampuan daya dari sistem transmisi dan
level tegangan pelayanan yang merujuk pada standar tegangan pelayanan.
Perkembangan analisis OPF pertama kali diperkenalkan pada awal tahun
1960-an. Beberapa teknik optimasi konvensional telah diterapkan seperti NonLinear programming (NLP) [3], Linear Programming (LP) [4,5] dan Metode
Interior Point (IP) [6]. Metode tradisional tersebut dapat dilakukan jika kurva
karakteristik incremental cost diidealkan terlebih dahulu, sehingga kurva
terbentuk menjadi halus dan convex dan dengan demikian dipaksa untuk
menyederhanakan hubungan dalam rangka untuk memastikan konveksitas. Untuk
unit pembangkit yang memiliki kurva non-convex tidak dapat di selesaikan
dengan menggunakan metoda tradisional ini. Metode optimasi klasik sangat
sensitif terhadap titik awal dan sering menghasilkan solusi optimasi lokal atau
menyimpang sama sekali. Metode ini biasanya terbatas pada kasus-kasus OPF
tertentu dan tidak menawarkan kebebasan yang besar dalam fungsi tujuan atau
2
jenis kendala yang dapat digunakan. Hal itu penting untuk mengembangkan,
algoritma baru, yang lebih umum dan dapat diandalkan yang mampu
menggabungkan kendala baru yang timbul.
Salah satu teknik untuk mengatasi masalah tersebut digunakan metode
optimasi global heuristic. Penggunaan metode heuristik sudah banyak digunakan
untuk menyelesaikan masalah OPF, seperti evolutionary programming (EP) [7],
differential evolution (DE) [7], inteligent search evolution algorithm (ISEA) [8],
particle swarm optimization (PSO) [9], dan Algoritma Genetika (AG) [10-17].
Metode AG dapat digunakan untuk menyelesaikan masalah OPF dengan kurva
non-convex. AG tidak dibatasi oleh bentuk kurva karakteristik pembangkit, karena
algoritma ini bekerja dengan menggunakan metode probabilitas, bukan
deterministik, AG juga mencari solusi dari populasi yang dibangkitkan sehingga
AG dapat memberikan banyak pilihan solusi.
OPF biasanya dilakukan pada kondisi normal dari sistem tenaga dan dalam
kondisi pembebanan tertentu. Penerapan OPF pada penelitian-penelitian
sebelumnya umumnya dilakukan pada kondisi beban standar dari sistem
pengujian IEEE baik pada sistem 26 bus IEEE, sistem 30 bus IEEE atau system
standar lainnya. Pada kasus sistem kelistrikan 500 kV Jawa Bali penelitian
biasanya dilakukan pada kondisi beban puncak karena dalam kondisi ini
terjadinya pelanggaran tegangan dan batasan saluran sangat mungkin terjadi.
Dalam penelitian ini, pengujian efektifitas metode dilakukan pada kasus
sistem IEEE 30 bus dan sistem kelistrikan 500 kV Jawa-Bali dalam kondisi beban
puncak.
3
1.1.1 Perumusan Masalah
Berdasarkan latar belakang masalah, perumusan masalah yang muncul
untuk menyelesaikan masalah Optimal Power Flow adalah :
1.
Bagaimana menentukan besar daya aktif yang harus dibangkitkan oleh
setiap pembangkit untuk melayani beban tertentu agar diperoleh biaya
operasi yang minimum.
2.
Bagaimana menjaga tegangan bus dan pembebanan daya saluran agar
mempunyai nilai dalam batasan yang telah ditentukan.
1.1.2 Keaslian penelitian
Penelitian mengenai OPF dengan metode global heuristic telah banyak
dilakukan
oleh
peneliti
sebelumnya,
diantaranya
seperti
evolutionary
programming (EP) [7], differential evolution (DE) [7], inteligent search evolution
algorithm (ISEA) [8], particle swarm optimization (PSO) [9], dan Algoritma
Genetika (AG) [10-18].
Penggunaan metode AG telah banyak dilakukan diantaranya dengan
variable kontrol hanya menggunakan daya aktif pembangkit [10-12], variable
kontrol menggunakan daya aktif dan tegangan bus pembangkit [13-15] dan
variable kontrol menggunakan daya aktif, tegangan bus pembangkit, tap
transformator dan injeksi kapasitor [16-18]. Pada penelitian penggunaan AG
dengan empat variable kontrol [16-18], peneliti menggunakan seleksi roulette
wheel sebagai operator seleksi orang tua pada AG.
4
Berdasarkan penelitian-penelitian yang telah disebutkan di atas, maka
untuk keaslian penelitian ini penulis ingin menggunakan metode genetic
algorithm dengan tournamen selection. Variable yang diatur adalah daya aktif
pembangkit, tegangan bus pembangkit, tap transformator dan injeksi kapasitor.
Pengkodean kromosom menggunakan real coding dengan fungsi fitness yang
melibatkan fungsi biaya pembangkitan ditambah hubungan pembatas pada nilai
miminum biaya total pembangkit serta fungsi penalti untuk memperoleh biaya
operasi pembangkit yang minimum dengan memperhitungkan batasan maksimum
dan minimum dari pembangkit, batasan daya reaktif, batasan tap transformator
dan batasan saluran dalam studi optimal power flow sistem Jawa Bali 500 kV.
Penulis menggunakan bantuan perangkat lunak MATLAB untuk simulasi hasil
optimasi.
1.1.3 Manfaat penelitian
Penelitian ini diharapkan dapat memberi manfaat dalam melakukan
optimasi sistem tenaga listrik interkoneksi Jawa Bali 500 kV sehingga diperoleh
biaya pembangkitan yang optimal pada suatu kondisi pembebanan tertentu dengan
tetap menjaga batasan tegangan setiap bus pada batasan yang telah ditentukan.
1.2
Tujuan Penelitian
Penelitian tentang studi optimal power flow sistem tenaga Jawa Bali
dengan metode Algoritma Genetika bertujuan untuk :
5
1. Menentukan besar daya aktif yang harus dibangkitkan oleh setiap pembangkit
pada sistem standar IEEE 30 bus agar diperoleh biaya pembangkitan yang
minimum.
2. Menentukan besar daya aktif yang harus dibangkitkan oleh setiap pembangkit
pada sistem 500 kV Jawa Bali dengan beban tertentu agar diperoleh biaya
pembangkitan yang minimum.
3.
Menjaga tegangan setiap bus dan pembebanan saluran agar mempunyai nilai
tetap dalam batasan yang telah ditentukan.
6